4D Monte Carlo dose reconstructions using surface motion measurements
Notice bibliographique
Résumé
PURPOSE: To investigate the feasibility of a 4D Monte Carlo based dose reconstruction method to study the dosimetric impact of respiratory motion using surface motion measurements for patients undergoing VMAT treatments for Non-Small Cell Lung Cancer. METHODS: The 4Ddefdosxyznrc/EGSnrc algorithm was used to reconstruct VMAT doses delivered to the patients using machine log files and respiratory traces measured with the RADPOS 4D dosimetry system. The RADPOS sensor was adhered to the patient's abdomen prior to each treatment fraction and its position was used as a surrogate for tumour motion. Treatment log files were synchronized with the patient respiratory traces. Patient specific respiratory models were generated from deformable registration of the inhale and exhale 4DCT images and the respiratory traces. The reconstructed doses were compared to planned doses calculated with DOSXYZnrc/EGSnrc on the average-intensity and the exhale phase CT images. RESULTS: Respiratory motion measurements and log files were acquired for 2 patients over 5 treatment fractions each. The motion was predominantly along the anterior/posterior direction (A/P). The average respiratory amplitudes were 8.7 ± 2.7 mm and 10.0 ± 1.2 mm for Patient 1 and 2, respectively. Both patients displayed inter- and intra-fractional variations in the baseline position. Small inter-fractional differences were observed in the reconstructed doses for each patient. Differences between the reconstructed and planned doses were attributed to differences in organ volumes. CONCLUSION: The 4D reconstruction method was successfully implemented for the two patients studied. Small differences between the planned and reconstructed doses were observed due to the small tumour motion of these patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».